基于混合粒子群法的RLV上升段轨迹优化

张鼎逆，刘 毅

(同济大学航空航天与力学学院，上海 200092)

可重复使用运载器(reusable launch vehicle，RLV)轨迹优化问题属于非线性、带有状态约束和控制约束的最优控制问题.与巡航段和再入段不同，大气环境、运动状态以及发动机推力的剧烈变化，使得RLV的上升轨迹呈高度非线性，且受到控制约束、路径约束和端点约束等条件的限制，增加了轨迹优化设计的难度［1－2］.优化求解方法的设计是上升段轨迹优化的难点之一，求解的基本思路是用一个或多个有限维子问题来代替无限维的最优控制问题.传统的最速下降法、拟牛顿法和乘子罚函数法等方法被广泛用于最小热载，最大荷载等轨迹优化问题，但普遍存在对初始值敏感等局限性.近年来，序列二次规划法(sequential quadratic programming，SQP)和一些智能优化方法如遗传算法(genetic algorithm，GA)、粒子群算法(particle swarm optimization，PSO)等也越来越多被用来求解轨迹优化问题［3－4］.智能算法具有很好的全局搜索性能，但是在局部最优值附近收敛缓慢［5－6］.基于梯度的算法在局部搜索方面效率较高，可以获得高精度的解，然而此类方法很大程度上依赖于初始点的选取，可行域的结构和目标函数的类型，不合适的初始点往往导致迭代发散或收敛至局部最优.为了提升算法性能，可以将多种优化策略结合使用来弥补单独使用的不足.如为了避免智能算法结果的抖动现象，往往采用梯度算法做后续计算.这种组合技术通常被称为混合优化方法，并已成功应用于各类工程问题和研究中［7－9］.美……